Derzeit sind automatisierte Shuttlebusse beim Einsatz auf einen Operator an Bord angewiesen. Damit sich dies nicht erst beim vollständig autonomen Fahren ändert, bedarf es weiterer Lösungsansätze. Eine Möglichkeit ist die Überwachung der Busse aus einer Betriebsleitstelle. Allerdings können mit den Betriebsleitstellen von Verkehrsgesellschaften nach heutigem technologischem Stand keine Fahrfunktionen übernommen werden. Um diese Forschungslücke zu schließen, wurde im Rahmen dieses Beitrags ein Mockup für eine Betriebsleitstelle von automatisierten Shuttlebussen entwickelt. Das Hauptaugenmerk bei der Konzeption dieses Interfaces liegt in der Anforderungsanalyse. Zu diesem Zweck wurden Experten aus Wirtschaft und Wissenschaft eingebunden. Als Ergebnis ist ein Mockup mit einer interaktiven Karte, einer Ereignisliste und einer Ansicht zur Übernahme der Fahrfunktionen entstanden.

Die Folien skizzieren einen Projektantrag, der (2008 und überarbeitet 2009) bei der Deutschen Forschungsgemeinschaft DFG eingereicht wurde. Absicht der beiden Antragssteller, des Instituts der Gesellschaft zur Förderung der Angewandten Informationsforschung (IAI, http://www.iai.uni-sb.de/iaide/index.htm) und der Saarländischen Universitäts- und Landesbibliothek (SULB, http://www.sulb.uni-saarland.de), war es, die am IAI entwickelte Software AUTINDEX zur halbautomatischen Verschlagwortung in Open-Access-Repositories einzubinden. Da Autoren große Mühe mit der Verschlagwortung ihrer Dokumente nach der Schlagwortnormdatei (SWD) haben, sollten sie, ganz im Sinne des "Easy Submission"-Postulats, beim Enspielen der Dokumente unterstützt werden. Mit Hilfe einer linguistisch intelligenten Software sollten automatisch Schlagwörter aus der SWD zu einem eingereichten Dokument erzeugt und dem Autoren angeboten werden. Dieser hätte anschließend entschieden, welche der angebotenen Schlagwörter er dem Dokument zuweisen möchte. Der typische Workflow beim Einspielen von Dokumenten verlangt vom Autor das Ausfüllen eines Metadatenformulars, idealerweise inklusive der Beschreibung mit SWD-Schlagworten. Da die SWD den Autoren nicht vertraut ist, vergeben diese meist unexakte, zu grobe oder falsche Schlagworte - oder solche, die in der SWD nicht existieren. Daher wird ein aufwändiges Nachbearbeiten seitens des Serverbetreibers nötig, der zwar über Expertise in der SWD-Nutzung verfügt, allerdings das Dokument nicht so exakt beschreiben kann wie es dem Autoren möglich wäre. Für ein exaktes Retrieval wäre es sinnvoll, wenn die Wissenschaftler selbst eine exakte Verschlagwortung vornähmen. Die im mittlerweile leider abgelehnten Antrag geplante prototypische, offene und nachnutzbare Einbindung einer Software zur automatischen Vergabe von SWD-Schlagworten hätte eine erhebliche Erleichterung des Veröffentlichungs- und Bearbeitungsprozesses einerseits und eine Verbesserung der Metadatenqualität andererseits gesichert.

Ein Bericht aus der Nationalbibliothek kann nicht anders als mit großen Zahlen zu operieren. Dr. Lösse berichtet über Arbeiten in der Deutschen Nationalbibliothek unter den Stichworten intern, national und international. Intern: Im Jahr 2008 wurden 80 000 Titel mit DDC klassifiziert. Der Web-Service für DDC "MELVIL" wird aktualisiert. Bis zum Erscheinen der 23. Ausgabe der DDC im Jahr 2010 sind über 10 000 Klassen zu bearbeiten. Neues von DDC national: Im Projekt Criss Cross werden Sachschlagwörter mit DDC Notationen verknüpft; von 150 000 SSW sind 65 000 SSW fertig gestellt, MELVIL wird mit diesen Sachschlagwörtern angereichert und die Notationsrecherche wird damit verbessert. Im übrigen beteiligte sich die DNB an einem – nationalen – Automatisierungstest. Zur automatischen Vergabe von DDC-Notationen zu Titelsätzen lieferte Dr. Ulrike Reiner, Göttingen, eine Programmierung (über die sie bei den Jahrestagungen 2007 und 2008 berichtet hat: <a href="http://archiv.tu-chemnitz.de/pub/2007/0139">http://archiv.tu-chemnitz.de/pub/2007/0139</a> <a href="http://archiv.tu-chemnitz.de/pub/2008/0150">http://archiv.tu-chemnitz.de/pub/2008/0150</a> Die Testanordnung umfaßte jeweils ca. 100 Titel aus den zehn Hauptklassen von DDC. Die Verknüpfungsergebnisse wurden bewertet. Ein erneuter Testlauf ist im Jahr 2009 wieder geplant. In der DNB gibt es Möglichkeiten zur DDC-Fortbildung! Ansprechpartner ist Dr. Bee, Frankfurt/ Main: G.Bee@d-nb.de. Anlässlich des Gedenksymposiums für Frau Magda Heiner-Freiling am 10.4.08 erschien die Gedenkschrift "New Perspectives on Subject Indexing and Classification" mit 34 Beiträgen. Gegen eine Schutzgebühr von 10 Euro kann die Gedenkschrift unter der Adresse a.cremer@d-nb.de bestellt werden. Die Weiterentwicklung von MACS (Multilingual access to subjects) erfolgt unter Leitung und in Zusammenarbeit mit der Schweizerischen Nationalbibliothek unter dem Dach von CENL mit Beteiligung der Französischen, Britischen und Deutschen Nationalbibliothek(en). Ziel ist die Herstellung einer Verbindung zwischen den Sachschlagwörtern der drei Schlagwortnormdateien Rameau, Library of Congress Subject Headings (LCSH) und Schlagwortnormdatei (SWD) zur sachlichen Suche im deutsch-, englisch- und französischsprachigen Raum. Stand: 65 700 Double RAMEAU-LCSH; 20 000 Tripple RAMEAU-LCSH-SWD; im Jahr 2009 ist verstärkte Einbindung der SWD geplant.

Unternehmen agieren heute in einer hochdynamischen Umwelt, wodurch die Anforderungen an Business Intelligence-Systeme (BI-Systeme) sich stetig verändern. Durch zügiges Reagieren darauf können sich Unternehmen Wettbewerbsvorteile verschaffen. Die dazu notwendige Wandlungsfähigkeit von BI-Systemen setzt voraus, dass bereits die BI-Architektur auf Flexibilität ausgelegt ist. Die Anwendung des Paradigmas der modellgetriebenen Softwareentwicklung auf die Domäne des Data Warehouse Engineerings (DWE) kommt diesem Bedarf nach. Zudem muss neben der Agilität von BI-Systemen auch der Faktor der Korrektheitsprüfung nach vorgenommenen Änderungen betrachtet werden. Es soll untersucht werden, inwieweit sich die im modellgetriebenen DWE anfallenden Metadaten zur Unterstützung und Automatisierung von Softwaretests zur Korrektheitsprüfung nutzen lassen. Die so erzielte Verringerung des Überprüfungsaufwandes führt zu einer verbesserten Wandlungsfähigkeit von BI-Architekturen und kommt somit dem Bedarf von effizienten agilen BI-Lösungen nach.

The vision of automated driving demands a highly available system, especially in safety-critical functionalities. In automated driving when a driver is not binding to be a part of the control loop, the system needs to be operational even after failure of a critical component until driver regain the control of vehicle. In pursuit of such a fail-operational behavior, the developed design process with software redundancy in contrast to conventional dedicated backup requires the support of automatic configurator for scheduling relevant parameters to ensure real-time behavior of the system. Multiple implementation methods are introduced to provide an automatic service which also considers task criticality before assigning task to the processor. Also, a generic method is developed to generate adaptation plans automatically for an already monitoring and reconfiguration service to handle fault occurring environment.

Connected and automated vehicles (CAVs) will behave fundamentally differently than human drivers. In mixed traffic, this could lead to inefficiencies and safety-critical situations since neither human drivers nor CAVs will be able to fully anticipate or predict surrounding traffic dynamics. Thus, some researchers proposed to separate CAVs from conventional vehicles by dedicating exclusive lanes to them. However, the separation of road infrastructure can negatively impact the system’s capacity. While the effects of CAV lanes were addressed for freeways, their deployment in urban settings is not yet fully understood. This paper systematically analyzes the effects of CAV-lanes in an urban setting accounting for the corresponding complexities. We employ microscopic traffic simulation to model traffic flow dynamics in a detailed manner and to be able to consider a wide array of supply-related characteristics. These concern intersection geometry, public transport operation, traffic signal control, and traffic management. Our study contributes to the existing literature by revealing the potential of CAV lanes in an urban setting while accounting for the behavioral and topological complexities. The results of this study can support decision-makers in the design of future urban transportation systems and to prepare cities for the upcoming era of automation in traffic.

Falls are responsible for a large proportion of serious injuries and deaths among cyclists [1-4]. A common fall scenario is loss of balance during an emergency braking maneuver to avoid another vehicle [5-7]. Automated Vehicles (AV) have the potential to prevent these critical scenarios between bicycle and cars. However, current Threat Assessment Algorithms (TAA) used by AVs only consider collision avoidance to decide upon safe gaps and decelerations when interacting wih cyclists and do not consider bicycle specific balance-related constraints. To date, no studies have addressed this risk of falls in safety critical scenarios. Yet, given the bicycle dynamics, we hypothesized that the existing TAA may be inaccurate in predicting the threat of cyclist falls and misclassify unsafe interactions. To test this hypothesis, this study developed a simple Newtonian mechanics-based model that calculates the performance of two existing TAAs in four critical scenarios with two road conditions. Tue four scenarios are: (1) a crossing scenario and a bicycle following lead car scenario in which the car either (2) suddenly braked, (3) halted or (4) accelerated from standstill. These scenarios have been identified by bicycle-car conflict studies as common scenarios where the car driver elicits an emergency braking response of the cyclist [8-11] and are illustrated in Figure 1. The two TAAs are Time-to-Collision (TTC) and Headway (H). These TAAs are commonly used by AVs in the four critical scenarios that will be modelled. The two road conditions are a flat dry road and also a downhill wet road, which serves as a worst-case condition for loss of balance during emergency braking [12].

Defects such as cracks, overlaps and impressions occur during the production of press-hardened car body components. At present, these types of defects are counteracted in the industrial environment by costly visual inspections carried out by humans. Due to the poor efficiency of visual inspection compared to automated inspection and the risk of defects not being detected, the use of AI-based smart vision sensors is being evaluated in order to enable an automated component inspection process with their help. For the realisation of the test, the most relevant defect types deformation, crack and overlap are identified using a Pareto analysis.

Bei der Herstellung pressgehärteter Karosseriebauteile treten Fehler wie Risse, Überlappungen und Abdrücke auf. Gegenwärtig wird diesen Fehlerarten im industriellen Umfeld durch kostenaufwändige, von Menschen durchgeführte Sichtkontrollen entgegengewirkt. Aufgrund des schlechten Wirkungsgrades der visuellen Prüfung gegenüber einer automatisierten Prüfung und der Gefahr des Nichterkennens von Fehlern, wird der Einsatz von KI-basierten Smart-Vision-Sensoren evaluiert, um mit deren Hilfe einen automatisierten Bauteilprüfprozess zu ermöglichen.

Der Bulbus olfactorius (OB) spielt eine wichtige Rolle in der Wahrnehmung von Gerüchen. Das OB-Volumen korreliert mit der Riechfunktion und ist daher ein Biomarker für mehrere neurodegenerative Erkrankungen sowie für Riechstörungen. In mehreren Studien wurde gezeigt, dass eine Abnahme des OB-Volumens mit einer Abnahme der Geruchsempfindlichkeit einhergeht und umgekehrt. Dies bedeutet, dass die Messung des OB-Volumens für verschiedene Diagnose- und Forschungszwecke von großem Interesse ist. Bisher wurden diese Messungen manuell durchgeführt, was mit einem Zeitaufwand von 15-20 Minuten pro Probanden eine sehr langwierige Methode ist, die außerdem zu erheblichen Messungenauigkeiten führt. Dies erschwert die Verarbeitung großer Datensätze sowie den Vergleich verschiedener Studien. Um dieses Problem zu lösen, haben wir einen vollautomatisierten, auf Deep-Learning basierten Algorithmus zur Segmentierung des OB sowie zur Messung dessen Volumens entwickelt und ein einsatzbereites Tool zur Anwendung veröffentlicht. Des Weiteren wurde eine Studie an Patienten mit Mild Cognitive Impairment (MCI) durchgeführt, um den Effekt von Riechtraining auf funktionale und morphologische Veränderungen des OB und des Hippocampus zu untersuchen. Methoden: Wir haben unseren Algorithmus auf vier Datensätzen trainiert und getestet, die jeweils aus T1-gewichteten MRT-Aufnahmen des gesamten Gehirns sowie hochaufgelösten T2-gewichteten Aufnahmen der vorderen Schädelbasis und den entsprechenden klinischen Informationen über das Riechvermögen der Probanden bestehen. Ein Datensatz enthielt Patienten mit gesicherter Anosmie oder Hyposmie (N = 79). Die anderen drei Datensätze enthielten gesunde Probanden (N = 91). Um die Grundwahrheit für die OB-Segmentierung und die Volumenmessung zu erhalten, wurden die Datensätze von zwei erfahrenen wissenschaftlichen Mitarbeitern unabhängig voneinander nach einem einheitlichen Protokoll manuell segmentiert. Verglichen mit dem gesamten Gehirn nimmt der OB ein sehr kleines Volumen ein. Jedes Bild hat daher viel mehr Voxel, die dem Hintergrund angehören als solche, die zum OB gehören. Somit sind die Daten sehr unausgewogen, was eine Herausforderung für die automatische Lokalisierung des OB darstellt. Um dieses Problem zu lösen, haben wir zunächst die manuellen Segmentierungen mit dem Template des Montreal Neurological Institute (MNI) registriert und den Massenschwerpunkt (Center of Gravity, COG) ermittelt. Im Preprocessing übertragen wir die COG-Koordinaten aus dem MNI-Raum in den individuellen Raum der jeweiligen MR-Aufnahme und konstruieren eine Bounding Box um den OB. Anschließend selektieren wir den in der Bounding Box enthaltenen Bildanteil, in welchem dann der OB durch das 3D-U-Net-Modell segmentiert wird. Bei dem Modell handelt es sich um ein neuronales Netz, welches für die 3D-Bildsegmentierung entwickelt wurde und sich im Bereich der medizinischen Bildverarbeitung bewährt hat. Der Algorithmus gibt anschließend die binären Segmentierungsmasken und eine Datei mit den Volumina für den linken und rechten OB heraus. Im Rahmen der Studie an MCI-Patienten wurden 37 Patienten randomisiert in Verum- und Placebo-Gruppe eingeteilt. Das Riechtraining wurde zweimal täglich über einen Zeitraum von vier Monaten durchgeführt. Olfaktorische und kognitive Testungen sowie MRT-Bildgebung wurden zu Anfang und Ende der viermonatigen Studie durchgeführt. Ergebnisse : Zum Trainieren des neuronalen Netzes haben wir den Datensatz in einen Trainings- (60%; N = 191), einen Validierungs- (20%; N = 64) und einen Testdatensatz (20%; N = 64) aufgeteilt. Auf zuvor ungesehenen Daten (d. h. auf dem Testdatensatz) wurde ein mittlerer Dice-Koeffizient (DC) von 0,77 ± 0,05 erreicht, was dem zwischen den beiden manuellen Segmentierungen ermittelten DC von 0,79 ± 0,08 für dieselbe Kohorte sehr nahe kommt. Darüber hinaus wurden die von unserem Algorithmus erzeugten Segmentierungen von einem unabhängigen verblindeten Bewerter manuell auf einer standardisierten Skala evaluiert und erreichten eine vergleichbare Punktzahl von 5,95 ± 0,87 im Vergleich zu einer Bewertungszahl von 6,23 ± 0,87 für die erste und 5,92 ± 0,81 für die zweite Segmentierung. Diese Evaluierungsergebnisse zeigen, dass unser Algorithmus mit drei bis vier Minuten pro Probanden eine schnelle und zuverlässige automatische Segmentierung des OB ermöglicht, die der Genauigkeit der derzeitigen Goldstandard-Methode entspricht. In der Studie mit MCI-Patienten wurde nach Durchführung des viermonatigen Riechtrainings eine Zunahme der Riechfähigkeit sowie der kortikalen Schichtdicke des Hippocampus beidseits beobachtet. Sowohl in der Verum-Gruppe als auch in der Placebo-Gruppe konnte keine signifikante Zunahme des OB-Volumens festgestellt werden. Diskussion: Der von uns vorgeschlagene Algorithmus kann sowohl bei gesunden Probanden als auch bei Patienten mit diagnostizierten Riechstörungen eingesetzt werden und ist daher von hoher klinischer Relevanz. Er ermöglicht die schnelle Verarbeitung großer Datensätze und die Durchführung vergleichender Studien zur Entwicklung des OB-Volumens im Laufe der Zeit, da er zuverlässigere Ergebnisse liefert als die manuellen Annotationsmethoden. In der Studie an MCI-Patienten war das Riechtraining mit einer Zunahme der kortikalen Schichtdicke des Hippocampus assoziiert, nicht jedoch mit einer Zunahme des OB- oder Hippocampus-Volumens. Ein Grund hierfür könnte die Tendenz des OB-Volumens sein, in MCI-Patienten abzunehmen. Somit könnte das stabile OB-Volumen nach Riechtraining bereits als positiver Effekt gewertet werden. Andererseits könnte das unveränderte OB-Volumen auch auf die methodisch bedingten manuellen Messfehler zurückgeführt werden. Um das Problem der ungenauen manuellen Messungen zu lösen, haben wir ein auf Python basierendes, sofort einsetzbares Tool entwickelt, das Segmentierungsmasken sowie Messungen des linken und rechten OB-Volumens liefert. Es kann sowohl über eine Befehlszeilenschnittstelle als auch über eine grafische Benutzeroberfläche verwendet werden. Für die Segmentierung des OB werden T1-gewichtete MRT-Aufnahmen des gesamten Gehirns sowie hochaufgelöste T2-gewichtete Aufnahmen der vorderen Schädelbasis verwendet.